[发明专利]卷烟感官评吸和烟气指标的免疫神经网络预测方法无效
申请号: | 200810209605.6 | 申请日: | 2008-12-04 |
公开(公告)号: | CN101419209A | 公开(公告)日: | 2009-04-29 |
发明(设计)人: | 莫宏伟;安毅;徐立芳;冯天瑾;丁香乾;王志军;周长生;李辉;马琳涛;管凤旭 | 申请(专利权)人: | 哈尔滨工程大学 |
主分类号: | G01N33/00 | 分类号: | G01N33/00;G01N35/00;G06F17/00 |
代理公司: | 哈尔滨市船大专利事务所 | 代理人: | 刘淑华 |
地址: | 150001黑龙江省哈尔滨*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 卷烟 感官 烟气 指标 免疫 神经网络 预测 方法 | ||
(一)技术领域
本发明涉及的是一种卷烟感官、烟气指标的计算机测量方法。
(二)背景技术
烟叶包含众多的化学成分;吸烟过程中各化学成分相互作用,刺激人的味觉、嗅觉、触觉,都极其复杂。烟叶评吸专家的经验是十分可贵的,但也具有明显的不确定性。目前,国内烟草行业就烟草的化学成分与烟气分析指标、感官质量评价指标之间的相关性,定量分析方法多采用传统的统计(如多元回归)分析。此方法构造的模型,只是对分析过的烟草具有适用性;一旦有新的样本,‘配方模型’要重新回归,求解过程复杂,难以实现快速修改‘配方模型’。现有的基于Kohonen网络、BP神经网络的方法存在训练时间长、聚类准确率不高、适用性差的缺点。
免疫神经网络是一种新的智能技术,同样适用于解决用传统数学模型和传统神经网络方法难以解决的、非确定性的复杂问题。但它通过产生记忆抗体,更善于从不完整的、多噪声的大规模数据中归纳、获取知识,建立大量数据集到少量特征数据的映射关系。免疫网络特征映射,不需要通过网络学习,即可实现输出特征向量逼近输入特征向量,实现从输入空间到抗体空间阵列的映射,将具有相同或相近特征的输入(数据)向量,映射到记忆抗体特征向量。从而实现对输入数据(模式)特征的“聚类”,提取了某种内在规律性。现已在机器学习、金融等复杂领域中得到很好的应用。烟草企业在烟叶化学成分、感官评价及烟气分析方面积累了很多有价值的经验与数据,还没有很好地加以利用。
(三)发明内容
本发明的目的在于提供一种能更有效的预测卷烟感官评吸和烟气分析指标,减少人工评吸量和烟气检测次数,降低配方设计成本,提高配方设计效率的卷烟感官评吸和烟气指标的免疫神经网络预测方法。
本发明的目的是这样实现的:
(1)检测单料烟、成品烟的理化指标,烟气分析指标,将所得数据录入数据库;
(2)剔除错误或特异样本,并对样本数据归一化;
(3)按风格的不同,对单料烟或成品烟分为若干组;再应用免疫网络特征映射对卷烟理化指标样本数据实现聚类,完成数据库中所有单料烟和成品卷烟的最终分类;
(4)对不同类的单料烟或成品烟的N项理化指标样本,分别建立对应的免疫神经网络;每个免疫神经网络采用N-H-1的结构模型,即N个输入端、H个隐层神经元和1个输出端,按初始学习率、动量及误差调整参数;
(5)将归一化样本数据送入对应的免疫神经网络,利用免疫算法优化网络权值及结构,直到达到分类目标为止,并将它们存储在知识库中;
(6)判断待分析的样本数据是否为新的、未分类的数据;若是,则回到(3)并往下进行;
(7)若待分析的数据是新的、已知类的单料烟或成品烟的理化指标数据,则根据其类别读取库中对应网络,计算出感官评吸和烟气指标预测值;再将所得指标值转换为用户理解的数据或字符描述形式,任务结束。
本发明提供了一种更有效的预测卷烟感官评吸和烟气分析指标的方法,能从训练后的免疫神经网络模型中提取知识,使烟草专家对不同风格的卷烟的感官评吸或烟气指标与理化参数之间的关系,有更深刻、更客观的认识,减少人工评吸量和烟气检测次数,降低配方设计成本,提高配方设计效率。
本发明的核心技术,是实现免疫网络和免疫神经网络两种网络模型的集成应用。根据烟草专家经验,依风格的不同把烟叶划分若干组;再用免疫网络抗体特征映射,将各组卷烟的理化指标样本空间细分为多个子空间,每个免疫神经网络仅在一个子空间内实现理化指标与感官质量评价指标或烟气分析指标间的映射关系,降低每个免疫神经网络面临问题的复杂度;利用免疫算法优化网络权值和结构,提高免疫神经网络的学习速度和精度。当新烟叶样本数据送入,先判断新样本在原始输入空间的位置,若与已学样本靠近,则系统预测结果可信度高;否则,系统将根据新样本在原始输入空间中偏离程度,指出所预测结果的参考价值。
卷烟的理化指标(如包括总糖、总烟碱、还原糖、总氮、蛋白质、氯气、钾、施木克值、糖碱比、钾氯比)是高维向量,各指标都有各自的量纲,在聚类之前必须进行归一化。
根据专家经验,各项理化指标对卷烟内在感官质量影响的重要性不同。为此,我们赋予各理化指标项不同的“参与度权重”,再进行网络学习。如:糖碱比、施木克值、钾氯比、总糖为重要参数,经数据预处理参与度为0.8,次要指标项参与度为0.1。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学,未经哈尔滨工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/200810209605.6/2.html,转载请声明来源钻瓜专利网。